What is Machine Learning?

1. Explicit Programming : 핸드폰의 어플리케이션과 같이 특정 상황에 특정행동을 하는 프로그램.
   문제점: 경우의 수가 너무 많은 프로그램일 경우 명확한 한계가 존재
   Ex) Spam Filter : 스팸, 햄 필터에 많은 규칙들 존재
   Ex) Automatic Driving : 수많은 경우의 수에 따른 수많은 규칙 존재

2. Machine Learning : 1959년 Arthur가 고안한 방식으로Program자체가 Data를 보고 학습을 해설 문제 해결을 하는 프로그램을 말한다. Explicit Program처럼 모든 상황을 집어넣는 것이 아니므로, 복잡한 경우의 수를 풀기 힘든 Explicit Program의 한계를 보완하였다.

Supervised/Unsupervised Learning

• Supervised Learning: 정해져있는 데이터(Labeled data)를 통해서 학습하는 것을 의미한다. Training Data Set이 주어진 다음 학습하는 것을 의미한다.
  Ex) 개, 고양이 등으로 라벨링 된 이미지 training set을 이용하여 학습함
  

• Unsupervised Learning : 분류 되어져 있지 않은 데이터, 즉 라벨링 되지 않은 데이터(Un-labeled Data)를 가지고 스스로 학습하는 것을 의미한다.
  Ex) Google News Grouping: 뉴스끼리 유사한 것 끼리 묶음
  Ex) Word Clustering: 단어끼리 유사한 것 끼리 묶음

Supervised Learning

• Machine Learning에서 가장 전형적인 학습 방식임
  Ex) Image Labeling: 태그된 이미지를 통해 학습함
  Ex)Email spam fileter: 스팸, 혹은 햄 메일이라고 라벨링 된 메일 데이터를 학습함
  Ex) Predicting exam score: 여러사람들이 전에 시험봤을 때 공부시간에 따른 점수 데이터를 이용하여 학습함

• 딥러닝 학습 방식 다이어그램
  

• Types of supervised learning

1. Regression: 범위가 있는 데이터를 예측할 때
   Ex) 시간에 따른 Predicting final exam score에서 score은 0~100에 해당하는 넓은 범위의 예측범위를 가지고 있음. 회귀사용
2. Bingary classification: 두가지로 분류할 때
   Ex) 시간에 따른 시험 Pass/Fail예측
3. Multi-Label Classification: 여러가지 경우로 분류할 때
   Ex)시간에 따른 학점예측